Nos formations > IA - Big Data

Durée : 2 joursPrix : 1 350,00 €

Objectifs

Maîtriser les méthodologies propres aux projets d'intelligence artificielle. Connaître les outils relatifs aux projets d'intelligence artificielle. Comprendre ce que sont les outils Machine et Deep Learning, leurs potentiels et leurs limites.

Programme

Qu'est-ce que l'Intelligence Artificielle ?

• Le fantasme de l'Intelligence Artificielle et la réalité d'aujourd'hui.
• Tâche intellectuelle versus algorithmes.
• Types d'actions : classification, régression, clustering, estimation de densité, réduction de dimensionnalité.
• Intelligence collective : agréger une connaissance partagée par de nombreux agents virtuels.
• Machine Learning : présentation et principaux algorithmes (XGBoost, Random Forest).

Quels problèmes peut-on adresser avec le Machine/Deep Learning ?

• Condition sur les données : volumétrie, dimensionnement, équilibre entre les classes, description.
• Donnée brute vs features travaillées : que choisir ?
• Machine Learning versus Deep Learning : les algorithmes plus anciens du Machine Learning ou les réseaux de neurones ?
• Qualifier le problème : Unsupervised Learning versus Supervised Learning.
• Qualifier la solution d'un problème : comprendre la distance entre une affirmation et le résultat d'un algorithme.

Génération d’un Data test

• Qu'est-ce qu'un Dataset ?
• Stocker/contrôler la donnée : surveiller les biais, nettoyer/convertir sans s'interdire des retours en arrière.
• Comprendre la donnée : représentation des outils statistiques permettant une vision d'une donnée, sa distribution...
• Formater une donnée : décider d'un format d'entrée et de sortie, faire le lien avec la qualification du problème.

Les outils

• Quels outils existe-t-il aujourd'hui ?
• Quels outils pour la recherche et quels outils pour l'industrie ?

Actualisé le 05/01/2023 - V1